KI-Smartphone 2.0: Doubao ist dieses Mal "endlich artig geworden"
Mehr als neun Monate später ist die neue Version des „Doubao-Telefons“ da.
Am 16. September 2026 wird das Nubia NaviX Ultra (im Folgenden als Doubao-Telefon der zweiten Generation bezeichnet) offiziell in den Verkauf gebracht. Die Version mit 12 GB + 512 GB beginnt bei einem Preis von 5999 Yuan. Das neue Gerät ist mit dem Doubao-Telefonassistenten (Verbraucherversion) ausgestattet und wird offiziell als das weltweit erste KI-Agenten-Handel positioniert.
Zuvor, im Dezember 2025, als die technische Vorschauversion des Nubia M153 veröffentlicht wurde, waren die 30.000 Einheiten der ersten Charge zum Preis von 3499 Yuan sofort ausverkauft, was zeitweise dazu führte, dass die Aktie von ZTE den Tageshöchststand erreichte. Es erlangte Bekanntheit durch die app-übergreifende Preisvergleich und das Einchecken per Bildschirmlesen und Simulationsklicks, was der erste groß angelegte Einsatz eines GUI-Agenten (Grafikschnittstellen-Agenten) auf echten Geräten war. Einige Tage später traten jedoch Anomalien bei der WeChat-Anmeldung auf, und Apps wie Taobao und Bankanwendungen lösten nacheinander Risikoprüfungen aus. Daraufhin zog der Hersteller Finanzfunktionen und einige empfindliche Operationen zurück, sodass die „vollautomatische“ Funktionalität deutlich eingeschränkt wurde.
Der größte Unterschied zwischen der zweiten und der ersten Generation liegt in der Ausführungsstrategie: Statt direktem Bildschirmlesen und Simulationsklicks wird nun das Prinzip „Protokoll vorrangig, Simulation als Ausweichlösung, menschliche Bestätigung“ angewendet. Zwei Tage vor der Pressekonferenz veröffentlichte es die „Erklärung zum Protokoll für automatisierte Bildschirmoperationen (SAEP)“: Drittanbieter-Apps können Grenzen auf drei Ebenen festlegen: Seite, Geschäftsziel und Operationstyp. Dieser Weg führt zum gleichen Ziel wie die Ansätze von Handyherstellern wie Apple, Huawei, Honor und Xiaomi: Statt die App-Oberfläche direkt zu bedienen, wird auf die Zusammenarbeit zwischen Systemschnittstellen und Agenten umgestellt.
Dieses Handy ist bemerkenswert: Erstens ist es der erste Versuch, die GUI-Agenten-Route nach dem ersten Gerät wiederzubeleben, und das erste Handy in China, das KI-Agenten offiziell in die Produktdefinition aufnimmt. Zweitens liegt sein Kooperationsmodell zugrunde: Doubao unter ByteDance stellt das große Sprachmodell, die Assistenten-Interaktionsebene und die Protokollspezifikationen bereit, während Nubia unter ZTE Technologies die Hardware und systemweite Berechtigungen liefert. Diese systemweiten Berechtigungen sind der zentrale Vorteil von Doubao im Vergleich zu anderen KI-Assistenten von Drittanbietern auf dem Markt.
Aber wenn alle Handys lernen, „anzuklopfen“, womit wird Doubao die Nutzer dazu bringen, sich für es zu entscheiden? Wenn Super-Apps nur Abfragen erlauben, aber keine Transaktionen zulassen, ist die „automatische Erledigung von Aufgaben“ des Doubao-Telefons der zweiten Generation tatsächlich ein Agent oder nur noch ein fortgeschrittenes Frage-Antwort-System? Das ist die Frage, die es als Nächstes beantworten muss.
01. Was kann das Doubao-Telefon der zweiten Generation?
Auf Hardwareebene ist das neue Gerät mit dem fünften Snapdragon 8 Elite-Prozessor ausgestattet, verfügt über einen 7100 mAh großen „Nanhai“-Akku, einen 6,78-Zoll-Bildschirm mit sehr schmalen gleichmäßigen Rändern sowie eine Flaggschiff-Dreifachkamera mit 200-Megapixel-Hauptsensor, 50-Megapixel-Ultraweitwinkelobjektiv und 64-Megapixel-Periskop-Teleobjektiv. Sein Schwerpunkt liegt jedoch nicht auf der Hardware, sondern darauf, KI in jeden Aspekt der Handynutzung zu integrieren.
Den offiziellen Angaben zufolge wurde das neue System in drei Dimensionen verbessert: Interaktion, Aufgabenausführung und Störfestigkeit. Es läuft im Hintergrund weiter, auch wenn der Bildschirm gesperrt ist, und unterstützt die Einrichtung einer Ein-Klick-Wartefunktion für bestimmte Nummern wie Lieferdienste, sodass die KI alltägliche Kleinigkeiten erledigt. Unter allen Aktualisierungen sind drei Punkte besonders bemerkenswert.
Erstens ist die Interaktion intuitiver. Doubao kann über die KI-Taste, Sprache und Video aufgerufen werden.
Die größte Veränderung betrifft die KI-Taste: Ihre Position wurde in den Bereich verschoben, den der Daumen der rechten Hand beim Halten des Geräts leicht erreichen kann. Sie ist mit einer Fingerabdruckerkennung integriert, sodass ein einziger Tastendruck die Entsperrung und den Aufruf abschließt – der zweite Entsperrschritt entfällt. Der Hersteller gibt an, dass diese Kombination aus „Fingerabdruck + KI-Taste“ branchenweit die erste ihrer Art ist. Im Vergleich dazu müssen die integrierten KI-Assistenten von Apple, Huawei und Xiaomi alle die Seitentaste lange gedrückt halten oder per Sprache aktiviert werden.
Die Sprachaktivierung wurde ebenfalls gezielt optimiert: Sie ist an das Seed-Voll-Duplex-Sprachmodell angebunden, sodass Nutzer jederzeit unterbrechen und fortlaufend Gespräche führen können. Sie funktioniert auch in Szenarien mit großer Entfernung, lauter Umgebung, schneller Sprechgeschwindigkeit und Dialekten. Wenn Nutzer beispielsweise beim Kochen keine freien Hände haben, können sie Doubao einfach nach einem Rezept fragen.
Mehr Potenzial bieten Bildschirmfragen und Videoanrufe: Wenn Nutzer die Kamera auf die Inneneinrichtung richten und sagen „Wähle für mich einen Schrank aus, der unter 1,2 Meter breit ist und maximal 1000 Yuan kostet, passend zu diesem Einrichtungsstil“, kann Doubao die Bildinformationen mit den Anforderungen kombinieren und passende Produkte auf E-Commerce-Plattformen finden und empfehlen.
Zweitens erledigt es Aufgaben eigenständiger.
Doubao kann Aufgaben selbstständig aufteilen und aufeinanderfolgende app-übergreifende Operationen wie Kaffee bestellen, Preisvergleiche durchführen und ein Taxi rufen abschließen. Die Erfolgsrate für End-to-End-Aufgaben wird mit über 80 % angegeben. Nehmen wir das Taxirufen als Beispiel: Wenn der Nutzer sagt „Ruf mir ein Taxi zur Arbeit“, bestätigt Doubao die übliche Adresse und initiiert die Bestellung – die grundlegende Funktionalität ist bereits implementiert.
Bislang ist die Integration am tiefsten bei Feishu: Doubao kann selbstständig eine Besprechung für morgen Nachmittag einrichten und die betreffenden Teilnehmer benachrichtigen, ohne dass der Nutzer jede Information einzeln eingeben muss. Solche Aufgaben mit mehreren Schritten und app-übergreifender Zusammenarbeit erforderten früher, dass Nutzer ständig zwischen verschiedenen Apps wechseln – jetzt reicht ein Satz, um den gesamten Prozess abzuschließen. Da Feishu jedoch ein eigenes Produkt von ByteDance ist, ist die tiefe Integration natürlich einfach. Ob dies auf externe Super-Apps übertragen werden kann, bleibt abzuwarten.
Drittens ist die Gedächtnisleistung stärker.
Doubao kann auf vorhandene Daten im Handy des Nutzers zugreifen, einschließlich SMS, Alben, Notizen und Aufnahmen. Wenn der Nutzer eine Termin-SMS erhält, extrahiert es die Termininformationen und speichert sie in den Notizen; bei Besprechungsaufnahmen überträgt es die transkribierten Inhalte direkt an Feishu Miaoji. Wenn der Nutzer fragt, zu welcher Uhrzeit sein Flug für die Geschäftsreise geht oder welcher Tag sein Hochzeitsjubiläum ist, muss es nicht erst online suchen, sondern findet die Antwort direkt in den lokalen Daten.
Dieser Schritt ergänzt die „Personalisierung“: Es organisiert die im Handy verstreuten persönlichen Informationen zu einem abrufbaren und nutzbaren Kontext, sodass die KI bei Gesprächen und Aufgabenausführungen die Nutzer besser versteht.
Das erste Doubao-Telefon war vor allem dafür bekannt, „das Handy automatisch bedienen zu können“. Die zweite Generation ist in einen größeren Rahmen eingebettet: Es soll nicht nur Aufgaben erledigen, sondern Nutzer auch wenig stören und deren Gewohnheiten merken.
02. Von GUI zum „Anklopfen“: Das Doubao-Telefon ändert seine Strategie
Neben der erweiterten Funktionalität bietet die zweite Generation auch neue Lösungen für die umstrittenen Datenschutz- und Sicherheitsprobleme der ersten Generation.
Erstens gibt es eine „physische Isolierung“ auf Interaktionsebene: Die KI-Taste gewährleistet die Sicherheit bei gesperrtem Bildschirm, sodass nur der Nutzer durch Drücken der Taste den Doubao-Assistenten aktivieren kann. Zweitens auf Ebene der Qualifikationen und Zertifizierungen: Das KI-Agenten-Modell wurde registriert, und ein KI-Schutzsystem für Zertifizierungen wurde eingerichtet.
Diese beiden Punkte sind jedoch nicht der Kernpunkt. Die Branche interessiert sich am meisten dafür, auf welche Weise die KI Apps „bedient“.
Derzeit gibt es zwei Hauptwege in der Branche. Der eine Weg besteht darin, dass die KI „wie ein Mensch den Bildschirm betrachtet und auf Tasten klickt“ – also der GUI-Agent. Sein Vorteil ist, dass er die App-Hersteller umgeht und KI-Funktionalitäten direkt auf das bestehende App-Ökosystem ausweitet. Der Nachteil ist, dass er die Risikokontrollen von Super-Apps nicht umgehen kann und leicht blockiert wird. Der andere Weg besteht darin, dass die KI über Protokolle, Autorisierungen und APIs „durch die Haustür geht“. Sein Kern liegt in der „Zusammenarbeit“: Die KI nutzt die von den App-Herstellern offengelegten Schnittstellen, um Funktionen aufzurufen. Der Vorteil ist Konformität und Stabilität, aber ob und in welchem Umfang Apps Schnittstellen freigeben, muss mit jedem Hersteller einzeln verhandelt werden – der Fortschritt ist langsamer.
Beide Wege haben Vor- und Nachteile. Das erste Doubao-Telefon hat sich für den ersten Weg entschieden, was sofort für Aufsehen sorgte, aber anschließend Kontroversen auslöste.
Quelle / Offizielle Website des Doubao-Telefonassistenten
Aus der Sicht des KI-Software-Ingenieurs Qin Xiang ist das Problem des ersten Doubao-Telefons kein technisches, sondern ein Ökosystemproblem. „Die GUI-Simulationsklicks werden von den Risikokontrollsystemen von WeChat und Alipay als Drittanbieter-Plugin eingestuft. Gleichzeitig umgeht es die Werbeplätze und Eingänge der Super-Apps, was Risiken für Daten und Verantwortung mit sich bringt.“ Selbst die beste Technik funktioniert nicht ohne die Autorisierung der Plattformen.
Die Lösung des zweiten Doubao-Telefons besteht darin, mehrere Wege parallel zu verfolgen: Es verwendet einen gemischten Ansatz aus MCP (Model Context Protocol), A2A (Agent-to-Agent)-Protokoll und GUI-Bildschirmlesen, wobei die GUI dem Prinzip „Protokoll vorrangig“ folgt.
Zwei Tage vor der Pressekonferenz veröffentlichte das Team des Doubao-Telefonassistenten offiziell das SAEP-Protokoll. Sein Kernidee ist die Einstufung der GUI: Drittanbieter-Apps können Grenzen auf drei Ebenen (Seite, Geschäftsziel, Operationstyp) festlegen. Das System entscheidet anhand der Agentenidentität, der Sicherheitsrichtlinien, der App-Angaben und der Nutzerautorisierung, ob die Operation ausgeführt wird. Das SAEP-Protokoll sieht eine 30-tägige öffentliche Bekanntgabe der Regeln vor. Während dieser Frist werden Drittanbieter-Apps standardmäßig nicht automatisiert bedient, und Apps, die dies ausdrücklich ablehnen, werden nie bedient. Nach Ablauf der Frist werden Apps, die keine Ablehnung ausgesprochen haben, schrittweise nach Risikostufen freigegeben.
Nehmen wir das Bestellen von Essen als Beispiel: Wenn der Nutzer sagt „Bestell mir eine Coconut Latte bei der Essensliefer-App“, prüft Doubao zuerst, zu welcher Kategorie die App gehört, und entscheidet dann, wie vorgegangen wird.
Erster Fall: Die App unterstützt bereits die MCP- und A2A-Protokolle. Doubao öffnet die Oberfläche nicht, sondern sendet die Anfrage direkt an die App. Die App selbst sucht das Menü heraus, berechnet den Preis und erstellt die Bestellung – Doubao teilt nur das Ergebnis mit.
Zweiter Fall: Die App unterstützt die Protokolle nicht, stimmt aber Simulationsklicks zu. Doubao öffnet die Oberfläche gemäß den SAEP-Regeln, sucht das Produkt und fügt es zum Warenkorb hinzu. Die App legt zuvor verbotene Bereiche fest: Beispielsweise darf die Anmeldeseite nicht berührt werden, die Zahlungsseite nicht angefasst werden, und keine Aktionen bei Gewinnspielen oder täglichen Check-ins ausgeführt werden. Doubao wählt nur das gewünschte Produkt aus, der letzte Zahlungsschritt wird dem Nutzer überlassen.
Dritter Fall: Die App lehnt Simulationsklicks ab. Doubao dringt nicht auf, sondern öffnet die App für den Nutzer und bleibt auf der Suchseite – der Nutzer schließt die Operation manuell ab.
Im Wesentlichen hat sich die technische Architektur des zweiten Doubao-Telefons nicht grundlegend geändert. Was sich geändert hat, ist die „Zusammenarbeitsweise“ zwischen Doubao und den Apps: Von der einseitigen „Bedienung für Nutzer und Apps“ bei der ersten Generation geht es zu einer abgestuften, autorisierten und rückversichernden kooperativen Ausführung über. Der Vorteil dieses Ansatzes ist, dass mehr Drittanbieter eingebunden werden und die Bedenken der Super-Apps verringert werden. Wie schnell dies jedoch letztendlich voranschreitet, hängt von den Super-Apps selbst ab.
03. Konformer – aber auch gewöhnlicher?
In einem strengeren konformen Rahmen hängt davon, wie viele Anwendungen der Doubao-Assistent aufrufen kann und wie weit die Automatisierung in den eingebundenen Anwendungen vorangetrieben wird, nicht mehr von der Technik ab, sondern von den Regeln und der Kooperationsbereitschaft der Apps. Das führt zu einer Frage: Wird es durch mehr Sicherheit gleichzeitig auch gewöhnlicher? Laut Aussagen von Branchenpraktikern kann dies anhand von drei Ebenen beurteilt werden.
Erstens der Umfang der Autorisierung.
Die angekündigten Funktionen des zweiten Doubao-Telefons decken Systemtools und einige Drittanwendungen ab, darunter Wetter, App-Download, Bluetooth, Notizen, SMS-Suche, Selbstauslöser für Selfies, Kontakte, Timer, Musikwiedergabe sowie Feishu-Termine, Aufnahmetranskription, Cao Cao Mobility, Karten und Qishui Music.
Obwohl die Anzahl der Anwendungen groß ist und viele alltägliche Szenarien abgedeckt werden, konzentrieren sich die meisten automatisch ausführbaren Funktionen auf zwei Kategorien: Einerseits die systemeigenen Tools des Handyherstellers wie Kal